文献

J-GLOBAL ID：202002231237704707   整理番号：20A1944803

畳込みニューラルネットワークに基づく良性および悪性乳房撮影画像分類【JST・京大機械翻訳】

Benign and malignant mammographic image classification based on Convolutional Neural Networks

著者 (5件)： Li Bin (Robotics Institute, Shanghai Jiao Tong University, Shanghai, China) ,  Ge Yunhao (Robotics Institute, Shanghai Jiao Tong University, Shanghai, China) ,  Zhao Yanzheng (State Key Lab of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, China) ,  Guan Enguang (State Key Lab of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, China) ,  Yan Weixin (State Key Lab of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMLC 2018  ページ： 247-251  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コンピュータ化乳癌診断システムは,早期癌診断において輸入的役割を果たす。この目的のために,ミニマモグラフィー画像分析学会(ミニMIAS)データベースに基づく乳房撮影画像における異常,良性または悪性を分類するために畳み込みニューラルネットワーク(CNN)を用いて深層学習を適用した。精度,感度,および比値を観察し,CNNの性能を評価した。性能を改善するために,著者らは,作付け,グローバルコントラスト正規化,増強,局所ヒストグラム等化,および平衡前処理を含む画像前処理法を利用した。4つのCNNモデルを構築して,モデル性能に及ぼす深さと隠れ層構造の影響を研究した。CNN-4dモデルは,0.7のドロップアウトを有する4つの畳み込み層から成る4つの提案されたCNNモデルの中で最良に機能した。CNN-4dモデルは,高感度(90.63%)と高特異性(87.67%)のバランスと89.05%の精度を達成した。本研究の結果は,CNNが知的医用画像診断の分野で有望な可能性を有することを示す。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  データベース ,  前処理 ,  *乳房 ,  医用画像 ,  画像分析 ,  高感度 ,  正規化 ,  *乳房撮影 ,  コンピュータ ,  早期癌
準シソーラス用語： *画像分類 ,  特異性 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 良性または悪性 ,  乳房異常 ,  分類 ,  畳込みニューラルネットワーク ,  乳房撮影画像

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  乳房撮影 ,  画像分類